Главная » Просмотр файлов » В.В. Александров, С.С. Лемак, Н.А. Парусников - Лекции по механике управляемых систем

В.В. Александров, С.С. Лемак, Н.А. Парусников - Лекции по механике управляемых систем (1158263), страница 11

Файл №1158263 В.В. Александров, С.С. Лемак, Н.А. Парусников - Лекции по механике управляемых систем (В.В. Александров, С.С. Лемак, Н.А. Парусников - Лекции по механике управляемых систем) 11 страницаВ.В. Александров, С.С. Лемак, Н.А. Парусников - Лекции по механике управляемых систем (1158263) страница 112019-09-18СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 11)

Интегралом a x(t)dt в среднеквадратичномназывается предел в среднеквадратичном интегральной суммыnb−a, (k − 1) · Δt ≤ τk ≤ k · Δt.x(τk )Δt, Δt =limn→∞nТеорема 15. Для того, чтобы процесс был интегрируем в среднеквадратичном, необходимо и достаточно, чтобы существовали интегралыbb bμx (t)dt,Px (t, s)dtds.aaaОчевидна перестановочность операций интегрирования и математического ожидания.692. Процессы с ортогональными приращениями.Белый шумПроцессы такого типа играют большую роль при спектральномописании стационарных случайных процессов, при построении стохастической модели динамических систем, в задачах анализа и синтезатаких систем.Будем считать, что M [x] = 0.Пусть t0 , t1 , .

. . , tk , . . . , tm — произвольные моменты времени ицелое число m произвольно, причем tk+1 > tk .ВеличинаΔx(tk , tk−1 ) = Δxk = x(tk ) − x(tk−1 )составляет приращение процесса на интервале Δtk = tk − tk−1 .По определению, процесс будет процессом с независимымиприращениями, если Δxk не зависит от Δxj и x0 = x(t0 ) (k = j).Если имеет место только некоррелированность, процесс называется процессом с ортогональными приращениями.Рассмотрим приращение процесса x(t) на интервале от t до t + Δt:Δx = x(t + Δt) − x(t).Выяснимкак связана ковариация этого приращенияPΔx =M Δx · Δx с ковариацией процесса Px (t) = M x(t) · x (t) .ИмеемPΔx = M (x(t + Δt) − x(t)) · (x(t + Δt) − x(t)) == Px (t + Δt) + Px (t) − M (x(t + Δt) − x(t)) · x (t) −− M x(t) · (x(t + Δt) − x(t))Ноx(t + Δt) = x(t) + Δx,и в силу определения процессов с ортогональными приращениямиM (x(t + Δt) − x(t)) · x (t) = Px (t),M x(t) · (x(t + Δt) − x(t)) = Px (t).ОтсюдаPΔx= Px (t + Δt) − Px (t).То есть ковариация приращения для процесса с ортогональнымиприращениями равна приращению ковариации процесса.70В скалярном случае получимDΔx = Dx (t + Δt) − Dx (t).(9.1)Обозначим через R(t) производную по времени от ковариационной матрицы процесса.

Предположим, что существует производная повремени от ковариационной матрицы процессаR(t) = Ṗx (t),или, в скалярном случае,dDx (t).dtПоследнее соотношение приближенно можно записать при достаточно малом ΔtDΔx ≈ R(t)Δt,R(t) =т. е. дисперсия приращения процесса с ортогональными приращениями пропорциональна величине временного интервала Δt.На первый взгляд это может показаться странным (если не обращать внимания на условия дифференцируемости), поскольку дисперсия — квадратичная характеристика. В самом деле, рассмотрим процесс x(t), дифференцируемый в среднеквадратичном:Δx = x(t + Δt) − x(t) ≈ ẋΔt.Для него DΔx = M Δx2 ≈ Δt2 M ẋ2 ,т. е. дисперсия приращения оказалась пропорциональной квадратуприращения аргумента.Но процесс с ортогональными приращениями, хотя и являетсянепрерывным в среднеквадратичном, не имеет производной, посколькуM (x(t + Δt) − x(t))2 ≈ R(t)Δt → 0 при Δt → 0,!"2 x(t + Δt) − x(t)R(t)M→ ∞ при Δt → 0.≈ΔtΔtПокажем, как можно интерпретировать величину dx, которуюнельзя понимать как обычный дифференциал в среднеквадратичном.Предварительно напомним определение и свойства δ−функции.Указанная функция широко используется при описании линейных динамических систем и случайных процессов.

Она определяется следующими тремя условиями:711.2.δ(x) = 0 при x = 0;δ(x) = ∞ при x = 0;∞3.δ(x)dx = 1.−∞В нашем случае, как это будет видно из дальнейшего, ей припишемдополнительное условие четности:δ(x) = δ(−x).Основное следствие из определения δ-функции. Пусть ϕ(x) гладкая функция, тогда+∞a+εϕ(x)δ(x − a)dx =ϕ(x)δ(x − a)dx = ϕ(a),−∞a−εгде ε как угодно малое положительное число.Если δ(x) четная функция, то имеем+∞a+εaϕ(x)δ(x − a)dx =ϕ(x)δ(x − a)dx +ϕ(x)δ(x − a)dx =−∞a−εa11= ϕ(a) + ϕ(a) = ϕ(a).22Приращение процесса Δx на интервале (t, t + Δt) запишем в видеt+ΔtΔx =dx(u).tТогдаPΔx= M Δx · Δx =t+Δtt+ΔtM dx(u)dx (u1 ) .t(9.2)tС другой стороны,t+ΔtPΔx =R(u)du.(9.3)tИз сравнения (9.2) и (9.3) следует с учетом свойств δ-функцииM dx(u)dx (u1 ) = R(u)dudu1 δ(u − u1 )72или, если ввести формальную производную,dx(t) dx (s)M·= R(t)δ(t − s).dtds(9.4)Обратим внимание на то, что в силу определения матрицы корреляции, δ-функцию в последних выражениях следует считать четнойфункцией своего аргумента.называетсяСконструированный таким образом процесс dx(t)dtпроцессом типа белого шума или просто белым шумом.

Основноеего свойство — некоррелированность во времени. Строго говоря, такой процесс (9.4) — не более чем удобная абстракция и он не можетбыть реализован физически. Для его реализации требуется существование бесконечной скорости (абсолютной безынерционности, бесконечной энергии и т.п.).Обозначим вектор размерностей процесса через γ, за единицу времени выберем секунду. Тогда размерности величин, входящих в вышеописанные соотношения, будут таковы:γγ ,[P ] = γγ , [PΔx ] = γγ , [R] =сек dxγ1=, [δ] =,dtсексек(9.5)то есть для согласования размерностей для δ-функции нужно принятьразмерность 1/сек, как это следует из самого определения δ-функции.Полученный результат (9.5) согласуется с формальным правилом,по которому матрица корреляции производной от векторного процесса находится как вторая смешанная производная от матрицы корреляции дифференцируемого процесса.73Лекция 10Стохастические модели линейныхдинамических системПоведение динамических систем, которые описываются обыкновенными дифференциальными уравнениями, определяется начальнымзначением всех фазовых координат (начальным значением векторасостояния).В стохастической ситуации задаются вероятностные характеристики начального состояния системы.

Стохастическая модель, описывающая состояние системы, должна позволять предсказывать вероятностные характеристики системы в будущем. Для нас такими характеристиками будут являться математическое ожидание и матрица корреляции вектора состояния. При этом рассматриваются тольколинейные системы.1.

Дискретный случайДля простоты записи положим x(tk ) = xk .Математической моделью системы служит вектор x(tk ), подчиняющийся дискретному уравнениюxk+1 = Φ(k + 1, k)xk + qk ,(10.1)где qk — дискретный белый шум:M [qk ] = 0, M [qk qj ] = Qk δkj , и M [xk qj ] = 0,(k−− номер шага).Здесь δkj - символ Кронекера.Из (10.1) непосредственно следует уравнение для определения математического ожидания μk = M [xk ]:(10.2)μk+1 = Φ(k + 1, k)μk .Подставив (10.1) и (10.2) в выражение, определяющее ковариацион◦◦ную матрицу Pk+1 = M xk+1 xk+1 , получаем ковариационное (дисперсионное) уравнение:(10.3)Pk+1 = Φ(k + 1, k)Pk Φ (k + 1, k) + Qk .◦ ◦ Легко показать, что матрица корреляции P (n, m) = M xn xm определяется соотношениемP (n, m) = Φ(n, m)Pm ,n ≥ m.74Здесь Φ(n, m) = Φ(n, n − 1) · .

. . · Φ(m + 1, m), а Φ(m, m) = E.Свойство. В стационарном случае (Q = const , Φ = const )и при условии, что все корни характеристического уравнения |λE −Φ| = 0 по модулю меньше единицы; при k → ∞ можно говорить обустановившемся решении P∞ дисперсионного уравнения (10.3). Оноопределяется из уравненияP∞ = ΦP∞ Φ + Q.2.

Непрерывный случайНепрерывное стохастическое дифференциальное уравнение, описывающее состояние динамической системы, будем рассматриватькак предел в среднеквадратичном следующего разностного уравнения:Δx = A · xΔt + Δv,Δx = x(t + Δt) − x(t),Δv = v(t + Δt) − v(t),где v(t) — процесс с ортогональными приращениями.v (t)Обозначим производную dPdt= Q, где Pv (t) = M v(t)v (t) .ИмеемM ΔvΔv = Q(t)Δt + o(Δt).В пределе при Δt → 0 получимdx = A · xdt + dv,M [dv(t)dv (s)] = Q(t)dtdsδ(t − s).(10.4)dvФормально, если ввести производные dxdt и dt , можно записатьdx= Ax + q,(10.5)dtгде q — процесс типа белого шума:M [q(t)] = 0, M q(t)q (s) = Q(t)δ(t − s), M [x(t0 )q (t)] = 0.Уравнение для определения математического ожидания μx = M [x]непосредственно следует из (10.4) или из (10.5):μ̇x = Aμx ,μx (t0 ) = μ0 .Уравнение ◦ ◦ для определения ковариационной матрицы Px (t)M x(t)x (t) получим двумя способами.=1.

Примем за основу уравнение (10.4). Выпишем цепочку соотношений:◦◦◦◦Px (t) = M x(t)x (t) , Px (t+Δt) = M x(t + Δt)x (t + Δt) ,75◦◦◦x(t + Δt) = x(t) + Δx(t),#$ #◦$ ◦◦◦x(t) + Δx(t)Px (t + Δt) = M x(t) + Δx(t)=◦ ◦ ◦◦ ◦◦= M x(t)x (t) + M x(t)Δx (t) + M Δx(t)x (t) + ◦◦+M Δx(t)Δx (t) .◦◦Так как Δx = AxΔt + Δv, то◦ ◦ ◦ ◦M x(t)Δx = Px (t)A (t)Δt, M Δx(t)x = A(t)Px (t)Δt, ◦◦M Δx(t)Δx = A(t)Px (t)A Δt2 + QΔt + o(Δt).Таким образом,Px (t + Δt) == Px (t) + (APx + Px A )Δt + QΔt + APx A Δt2 + o(Δt).(10.6)При Δt → 0 из (10.6) получимdPx= APx + Px A + Q.(10.7)dtЭто уравнение называется дисперсионным или ковариационным.2.

Примем за основу уравнение (10.5). Выпишем цепочку соотношений:◦◦ ◦dx◦= Ax + q,Px (t) = M x(t)x (t) ,dt ◦◦ dx ◦ ◦ dx dPx=Mx +x=dtdtdt◦◦= APx + Px A + M q(t)x (t) + M x(t)q(t) .Поскольку◦◦tx(t) = Φ(t, t0 )x(t0 ) +Φ(t, τ )q(τ )dτ,t076то t◦M x(t)q(t) = Φ(t, τ )M q(τ )q(t) dτ =t0tΦ(t, τ )Q(τ )δ(t − τ )dτ ==t0tΦ(t, τ )Q(τ )δ(t − τ )dτ ==1Q(t).2t−ε (ε→0)Отсюда следует уравнение (10.7).◦ ◦Матрица корреляции Px (t, s) = M x(t)x (s) , как легко показать,находится из соотношенияPx (t, s) = Φ(t, s)Px (s)(t ≥ s).В стационарном случае (Q = const , A = const и корни характеристического уравнения |λE − A| = 0 имеют отрицательные действительные части) установившееся значение матрицы ковариации можетбыть найдено из решения алгебраического уравненияAP∞ + P∞ A + Q = 0.3. Дискретизация непрерывных случайных процессовРассмотрим векторный случайный процесс x(t), описываемыйуравнениемẋ = A(t)x + q,(10.8)где x — n-мерный вектор состояния, q — n-мерный вектор — процесстипа белого шума:M q(t)q (s) = Q(t)δ(t − s).Будем рассматривать процесс в дискретные моменты времениt0 , t1 = t0 + Δt, .

Характеристики

Список файлов лекций

Свежие статьи
Популярно сейчас
Зачем заказывать выполнение своего задания, если оно уже было выполнено много много раз? Его можно просто купить или даже скачать бесплатно на СтудИзбе. Найдите нужный учебный материал у нас!
Ответы на популярные вопросы
Да! Наши авторы собирают и выкладывают те работы, которые сдаются в Вашем учебном заведении ежегодно и уже проверены преподавателями.
Да! У нас любой человек может выложить любую учебную работу и зарабатывать на её продажах! Но каждый учебный материал публикуется только после тщательной проверки администрацией.
Вернём деньги! А если быть более точными, то автору даётся немного времени на исправление, а если не исправит или выйдет время, то вернём деньги в полном объёме!
Да! На равне с готовыми студенческими работами у нас продаются услуги. Цены на услуги видны сразу, то есть Вам нужно только указать параметры и сразу можно оплачивать.
Отзывы студентов
Ставлю 10/10
Все нравится, очень удобный сайт, помогает в учебе. Кроме этого, можно заработать самому, выставляя готовые учебные материалы на продажу здесь. Рейтинги и отзывы на преподавателей очень помогают сориентироваться в начале нового семестра. Спасибо за такую функцию. Ставлю максимальную оценку.
Лучшая платформа для успешной сдачи сессии
Познакомился со СтудИзбой благодаря своему другу, очень нравится интерфейс, количество доступных файлов, цена, в общем, все прекрасно. Даже сам продаю какие-то свои работы.
Студизба ван лав ❤
Очень офигенный сайт для студентов. Много полезных учебных материалов. Пользуюсь студизбой с октября 2021 года. Серьёзных нареканий нет. Хотелось бы, что бы ввели подписочную модель и сделали материалы дешевле 300 рублей в рамках подписки бесплатными.
Отличный сайт
Лично меня всё устраивает - и покупка, и продажа; и цены, и возможность предпросмотра куска файла, и обилие бесплатных файлов (в подборках по авторам, читай, ВУЗам и факультетам). Есть определённые баги, но всё решаемо, да и администраторы реагируют в течение суток.
Маленький отзыв о большом помощнике!
Студизба спасает в те моменты, когда сроки горят, а работ накопилось достаточно. Довольно удобный сайт с простой навигацией и огромным количеством материалов.
Студ. Изба как крупнейший сборник работ для студентов
Тут дофига бывает всего полезного. Печально, что бывают предметы по которым даже одного бесплатного решения нет, но это скорее вопрос к студентам. В остальном всё здорово.
Спасательный островок
Если уже не успеваешь разобраться или застрял на каком-то задание поможет тебе быстро и недорого решить твою проблему.
Всё и так отлично
Всё очень удобно. Особенно круто, что есть система бонусов и можно выводить остатки денег. Очень много качественных бесплатных файлов.
Отзыв о системе "Студизба"
Отличная платформа для распространения работ, востребованных студентами. Хорошо налаженная и качественная работа сайта, огромная база заданий и аудитория.
Отличный помощник
Отличный сайт с кучей полезных файлов, позволяющий найти много методичек / учебников / отзывов о вузах и преподователях.
Отлично помогает студентам в любой момент для решения трудных и незамедлительных задач
Хотелось бы больше конкретной информации о преподавателях. А так в принципе хороший сайт, всегда им пользуюсь и ни разу не было желания прекратить. Хороший сайт для помощи студентам, удобный и приятный интерфейс. Из недостатков можно выделить только отсутствия небольшого количества файлов.
Спасибо за шикарный сайт
Великолепный сайт на котором студент за не большие деньги может найти помощь с дз, проектами курсовыми, лабораторными, а также узнать отзывы на преподавателей и бесплатно скачать пособия.
Популярные преподаватели
Добавляйте материалы
и зарабатывайте!
Продажи идут автоматически
6508
Авторов
на СтудИзбе
302
Средний доход
с одного платного файла
Обучение Подробнее